-
公开(公告)号：CN118254594A
公开(公告)日：2024-06-28
申请号：CN202410465839.6
申请日：2024-04-17
Applicant: 桂林理工大学
Abstract: 本案设计一种基于车联网的电动汽车制动能量回收系统，该系统包含信息感知模块，系统决策模块，系统执行模块。系统信息感知模块时刻采集车联网平台反馈的路面信息以及本车的运动状态，将所采集到的信息发送至系统决策模块进行汽车下一步行驶的决策判断，在符合道路安全驾驶标准的情况下，判断出车辆可以进行最大化能量回收条件。将决策判断结果发送至系统执行模块，使汽车在决策判断条件下行驶，并进行最大化能量回收，将回收能量转化储存在蓄电池中增加汽车的续航里程。
-
公开(公告)号：CN116650316A
公开(公告)日：2023-08-29
申请号：CN202310558916.8
申请日：2023-05-17
Applicant: 桂林理工大学
IPC: A61H39/02
Abstract: 本发明公开一种实时性好、准确率高、应用方便的基于先验信息与深度学习的背部穴位定位方法。本发明包括以下步骤：(10)采集背部图片，标记背部穴位点，建立背部数据集；(20)改进Keypoint Rcnn网络并训练穴位定位模型；(30)使用定位模型对背部图片进行初步定位；(40)设置一种后正中线定位算法，根据后正中线算法，并设置修正方程对初步定位结果进行修正；(50)总结穴位先验信息，提出一种穴位定位评价指标，根据先验信息对定位结果进行拓展，最终共定位23个背部穴位。
-
公开(公告)号：CN107985704A
公开(公告)日：2018-05-04
申请号：CN201711242817.X
申请日：2017-11-30
Applicant: 桂林理工大学
Abstract: 本发明公开了一种用于图书自动贴标的装置。该装置包括传动模块、驱动模块、工作模块和控制模块；传动模块包括书本输送装置和标签输送装置；驱动模块包括三相异步电机和伺服电机；工作模块包括贴标机构和辊压机构；控制模块采用PLC控制和传感器检测技术；本装置为多工位，其贴标运动是间歇运动，工艺路线兼有竖直和水平两个方向的运动，采用“刷贴法”完成贴标动作，在滚筒前右上方安装吹风装置，实现了贴标的快速性。本发明装置使用成本低，具有控制稳定性强、贴标速度快、贴标质量有保障的特点。
-
公开(公告)号：CN118864814A
公开(公告)日：2024-10-29
申请号：CN202410888377.9
申请日：2024-07-03
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于多任务卷积神经网络的桑叶采摘机器人综合视觉信息采集方法，主要包括以下步骤：步骤1、使用图像采集设备于桑园中采集桑树数据集；步骤2、对原始数据集进行预处理、得到桑树数据集和其对应标签，并将预处理后的数据集按照8：1：1的比例划分为训练集、验证集与测试集；步骤3、以原始YOLOv8‑pose为基础网络，构建可实现桑叶目标识别、桑叶茎关键点定位、桑树枝干分割的多任务端到端模型mulberry‑Net；步骤4、配置深度学习环境，将训练集和验证集输入mulberry‑Net模型中进行训练，得到最好的训练权重(best.pt)，使用测试集进行验证；步骤5、将best.pt权重文件部署桑叶采摘机器人上。本发明可以在一个模型中完成桑叶目标检测、叶柄的关键点定位与枝干分割等任务，为桑叶采摘机器人获取到了全面的视觉信息。
-
公开(公告)号：CN118323513A
公开(公告)日：2024-07-12
申请号：CN202410605906.X
申请日：2024-05-15
Applicant: 桂林理工大学 , 广西创美信息技术有限公司
Abstract: 本发明公开了一种无人机无人值守工作台，涉及无人机技术领域，该工作台包括无人机降落自动检测装置、执行位置校准机构、推杆位置检测装置、工作台层板、工作台底盘小车和无人机底座；无人机降落自动检测装置包括收发一体超声波传感器和固定支架，实现对无人机降落的检测；执行位置校准机构主要包括丝杆电机和推杆，实现对无人机底座的位置校准和锁定；推杆位置检测装置包括光电传感器和光电遮挡片，实现推杆位置检测；工作台层板包括顶层板和中层板；工作台底盘小车主要包括麦轮、无刷减速电机、无刷减速电机支架和电机驱动器，实现工作台全向移动和原地掉头的功能；无人机底座安装在无人机上搭配工作台使用，无人机底座中可安装无线充电模块；该工作台可自动检测无人机降落以及降落位置，自动夹紧无人机底座固定无人机，从而对无人机进行无线充电，并且工作台底盘小车能实现全向移动和原地掉头的功能；达到了无人值守时无人机自动返航和自动充电的目的。
-
Patent Agency Ranking
公开(公告)号：CN118314534A
公开(公告)日：2024-07-09
申请号：CN202410480561.X
申请日：2024-04-19
Applicant: 桂林理工大学
IPC: G06V20/54 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于改进YOLOv5的自行车规范停车识别方法S1、采集自行车停车状态原始图像数据集，并对原始图像数据集中的自行车按停车状态进行分类以及标注锚框；S2、采用SMOTE算法对分类标注好的数据集进行多样本数据增强，并按照8：1：1的比例将数据增强后的数据集随机划分为训练集、验证集和测试集；S3、优化YOLOv5基准目标检测模型，并得到优化后的YOLOv5目标检测模型；S4、搭建深度学习训练环境，并将划分好的训练集数据输入优化后的YOLOv5目标检测模型中来训练，保存训练结果最好的权重文件best.pt；S5、使用预先保存好的权重文件best.pt对测试集图像数据进行识别检测。本发明能够使得网络自适应地调整通道特征的权重，使网络更好地关注重要的特征，抑制不重要的特征，从而提高目标特征的提取能力，应用本发明可避免环境因素干扰和拍摄环境的影响，实现了对自行车停放状态的高精度识别。
-
公开(公告)号：CN116897763A
公开(公告)日：2023-10-20
申请号：CN202310965477.2
申请日：2023-08-02
Applicant: 桂林理工大学 , 桂林市农业科学研究中心 , 灌阳县芳土地农业综合开发有限公司
Abstract: 本发明涉及农业设备技术领域，具体涉及一种果树挂护装置，包括撑杆、转向圆环、固线组件、固定圆环、牵引绳和挂钩，通过下压撑杆使其尾部尖端插入地面固定，在撑杆的中间部位使用绑带将其与树干固定，将挂钩钩住需要保护的果树树枝后，牵引绳在此之前已经穿过转动圆环、固线组件和固定圆环，用手向下拉紧位于固线组件下方的牵引绳，重复操作将牵引绳全部拉紧，扭转调节螺栓推动凸形滑块向凹形卡槽滑动从而锁紧牵引绳，以达到固定枝条的效果，通过撑杆上端的转向圆环受力，作业人员只需操作撑杆中的固线组件固定牵引绳，相比于其他解决方案，该解决方案操作平台的高度更低，方便作业人员操作。
-
公开(公告)号：CN107814019A
公开(公告)日：2018-03-20
申请号：CN201711239850.7
申请日：2017-11-30
Applicant: 桂林理工大学
CPC classification number: B65C9/02 , B65C9/1865 , B65C9/30 , B65C9/42
Abstract: 本发明公开了一种全自动图书贴标装置。该装置包括传输机构、贴标机构、辊压机构和控制装置；利用PLC控制技术，通过控制系统完成对各操作动作的协调控制和连续执行，以实现全自动的连续贴标。本发明采用伺服电机代替传统的步进电机，步距更加准确，使贴标机出标的速度，输送速度更高，更稳定；传送带采用三相异步电机送料，大大减少了成本；控制逻辑是以程序方式放在存储器中要改变控制逻辑，只需改变程序即可，控制系统连线少、体积小、功耗小、速度快；传送带采用三相异步电机加减速器拖动，节约了大量的成本。
-
公开(公告)号：CN119169610A
公开(公告)日：2024-12-20
申请号：CN202410874140.5
申请日：2024-07-01
Applicant: 桂林理工大学
IPC: G06V20/68 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度特征融合的不规则状青椒果实识别方法，包括以下步骤：S1、采集不规则状青椒果实原始图像数据集，并标注锚框，采用多尺度Retinex算法对标注数据集进行数据增强，按照8：1：1的比例将增强后的数据集随机划分为训练集、验证集和测试集；S2、改进YOLOv5算法，构建出不规则状青椒果实检测模型FASK；S3、将待检测的图像数据输入FASK中，以获得具有多尺度变化特征的特征层；S4、将具有多尺度变化特征的特征层输入SK‑Neck，提取出图像特征图；S5、根据图像特征图获得最终检测图像。本发明可使网络自适应感受野并提取不规则状特征，通过特征图对齐方法和像素级加权融合操作进行多尺度特征融合，增强模型对不规则状青椒果实检测的鲁棒性。
-
公开(公告)号：CN119152494A
公开(公告)日：2024-12-17
申请号：CN202410494832.7
申请日：2024-04-23
Applicant: 桂林理工大学
IPC: G06V20/68 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于改进YOLOv8的圣女果成熟度识别方法，包括以下步骤：步骤1、使用图像采集设备采集圣女果原始图像数据集；步骤2、对采集到的原始数据集基于果实成熟度分类标注锚框并将标注好锚框的数据集进行数据增强；步骤3、改进传统YOLOv8网络模型，得到改进后的YOLOv8‑CCZ模型，配置训练环境与设置环境参数，保存训练结果中最好的权重文件best.pt；步骤4、使用步骤3中的best.pt权重文件对预先划分好的测试集数据进行识别测试；步骤5、进行消融实验并将YOLOv8‑CCZ网络模型与多种先进目标检测网络模型进行对比实验。本发明提高了对圣女果成熟度特征的提取能力，在压缩参数量的同时提升了对圣女果成熟度识别精度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
